对生命体征的连续监测在对影响患者健康的状况的早期检测中起着至关重要的作用。最重要的生命体征是呼吸频率和心率。这些参数是关键生理参数，并且通过连续监测这些参数，有可能检测各种异常状态，如困倦、睡眠呼吸暂停，以及甚至抑郁。然而，通常通过电缆连接的常规监测设备限制患者的移动性，可能导致不适，以及甚至导致表皮损伤。因此，这些对于长期监测是相当不够的。 另一方面，有可能通过基于雷达的设备来监测生命体征。这种非接触式监视提供了优于标准设备的若干优点。与相机不同，雷达信号可以穿透不同的材料并且不受皮肤色素沉积或环境光水平的影响。与可穿戴传感器不同，雷达系统不需要用户穿戴或携带任何额外设备。此外，雷达设备保护隐私，并且可以以低功率和低成本操作。 然而，尽管最近有进展，但准确的生命体征监测在实际场景中仍然具有挑战性，尤其是关于心率估计。基于雷达的生命体征处理依赖于反向散射信号的相位分析，其对应于由呼吸和心跳机制引起的胸壁位移。恢复的位移信号通常不仅包含呼吸和心跳基频，而且还包含它们相关联的上谐波(upper harmonics)。关于它们各自的幅度，心跳运动通常比呼吸运动小若干倍。另外，心跳基频可以类似于呼吸频率的上谐波。由于这些原因，心跳信号可能容易地掩埋在背景噪声中或被呼吸信号的高阶谐波掩蔽。此外，额外的频率分量和互调产物(intermodulation product)也可以存在于恢复的信号中，源自不同的源，包括雷达非线性、相位解调问题(参见B.K.Park,O.Boric-Lubecke和V.M.Lubecke,“Arctangentdemodulation with DC offset compensation in quadrature Doppler radar receiversystems,”IEEE Transactions on Microwave Theory and Techniques,vol.55,no.5,pp.1073-1078,2007)和来自被监测对象的随机身体移动(参见Q.Lv,L.Chen,K.An,J.Wang,H.Li,D.Ye,J.Huangfu,C.Li,and L.Ran,“Doppler Vital Signs Detection in thePresence of Large-Scale Random Body Movements,”IEEE Transactions on MicrowaveTheory and Techniques,vol.66,no.9,pp.4261-4270,2018)。这些干扰元素可能在心跳基频的邻域中占主导地位，通常阻止检测并且妨碍心率估计。 心跳信号中来自呼吸的谐波干扰已经被广泛报告为基于雷达的生命体征监测中的主要问题之一。虽然呼吸估计通常仅由噪声限制，但是包含心跳的基频的频谱区域主要由呼吸运动的高次谐波支配。以这种方式，可能发生频谱重叠，并且心跳峰值可能最终被呼吸谐波掩蔽。取决于信号干扰比(SIR)以及基本呼吸/心跳频率的特定组合，大多数技术无法提供稳健和准确的心率估计。 为了避免这种干扰，已经提出了根据基于谐波的心率估计的概念的方法(参见Y.Rong and D.W.Bliss,“Remote Sensing for Vital Information Based on Spectral-Domain Harmonic Signatures,”IEEE Transactions on Aerospace and ElectronicSystems,vol.55,no.6,pp.3454-3465,2019)。虽然基本心跳频率是呼吸干扰受限的，但是其高阶谐波是噪声受限的。在该方法中，使用常规离散傅里叶变换(DFT)来生成频谱，并且主要使用心跳信号的二次谐波(second harmonic)来执行估计。一次谐波(firstharmonic)仅在初级估计剧烈波动时使用。然而，该方法具有一些限制。为了检测心跳信号的二阶谐波，需要相对高的信噪比(SNR)，并且跟踪性能对背景噪声和随机身体运动非常敏感。由于这些限制，其仅在被监测对象坐着完全静止并且距离雷达不超过80cm时工作。 为了改善用于估计的SNR，等人已经提出了一种用于呼吸速率监测的非线性最小二乘(NLS)方法(参见G.R.Stutz,F.Hornberger,W.A.Martins,D.Tatarinov,M.Alaee-Kerahroodi,U.Lindner,L.Stock,E.Kaiser,S.Goedicke-Fritz,U.Schroeder,B.S.M.R.,and M.Zemlin,“Contactless radar-based breathingmonitoring of premature infants in the neonatal intensive care unit,”Scientific Reports,vol.12,no.1,pp.1-15,2022)。它使用初始(粗略)估计作为NLS搜索区域的参考，其被限制在该估计周围。使用在时域信号上直接应用的额外算法来获得该初始估计。然而，NLS估计性能可能受到非线性目标函数的影响，具有多个峰值和非常尖锐的全局最大值。因此，通过搜索算法寻找基频需要精确的初始化。另外，在特定情况下，尤其是考虑到心率估计，由等人做出的一些假设可能不成立。具体地，不总是可以保证NLS频谱中的频率分量是不同的并且被很好地分离。 当在较大带宽的情况下在较高频率处操作时，雷达距离分辨率可以小于几厘米。在这些条件下，人体是延伸的目标，并且其能量可以跨相邻的距离仓(range bin)分布。Sun等人报道了这种效果。(参见L.Sun,S.Huang,Y.Li,C.Gu,H.Pan,H.Hong,and X.Zhu,“Remote Measurement of Human Vital Signs Based on Joint-Range Adaptive EEMD,”IEEE Access,vol.8,pp.68 514-68 524,2020)，他们注意到来自人体的不同部分的生理运动的能力将不会集中在一个距离仓，而是集中在若干连续的仓中。在这种情况下，如果仅使用来自一个距离仓的数据，则性能将由于信号功率的损失而降级。为了克服该问题，Sun等人提出单独独立地处理每个距离仓，并且最后组合若干分离的心跳分量以用于后续频率估计。尽管有前景的结果，但是由于需要独立地处理若干距离仓，该方法增加了系统的计算复杂度。此外，性能仍然受到每个距离仓中的残差能量的限制。 技术问题 本发明的目的是提供用于生命体征监测的可靠和有效的手段。通过根据权利要求1的方法和根据权利要求15的系统来实现目的。